通过稀疏识别非线性动力学 (SINDy) 对人类微生物群中的细菌双对相互作用进行建模

科学领域:

• 微生物学 微生物学
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 肠道微生物群的复杂组成和生态相互作用对人类健康至关重要.
• 药物等外部因素显著改变了微生物社区的动态.
• 描述细菌相互作用的配对,如共生主义和竞争,对于理解这些动态是必不可少的.

研究的目的:

• 开发和验证一种新的计算方法,用于从实验数据中确定细菌相互作用参数.
• 评估药物管理对肠道微生物群内物种内相互作用的影响.

主要方法:

• 实现差分神经网络来导出数据衍生结构.
• 应用稀疏识别非线性动力学 (SINDy) 方法来计算相互作用参数.
• 使用模拟和实验两种细菌Lotka-Volterra模型进行验证.

主要成果:

• 综合差分神经网络和SINDy方法在模拟的物种内竞争中实现了不到2%的平均参数误差.
• 该方法成功地确定了药物诱导的物种内部相互作用的变化,显示典型相互作用值减少了50%.
• 在检测药物存在对微生物相互作用的影响方面表现出敏感性.

结论:

• 开发的策略提供了一个有效的计算工具,用于阐明复杂的微生物社区相互作用.
• 这种方法准确量化了生态参数和外部刺激 (如药物) 对肠道微生物群的影响.
• 为了解宿主-微生物关系和制药干预措施的影响提供了一条途径.